matlab如何编码,如何在Matlab中进行编码？ [重复]

为了节省速度和内存，您可以将bsxfun与eq结合使用来完成同一件事。虽然您的eye解决方案可能会起作用，但您的内存使用量会随着X中唯一值的数量成倍增长。

Y = bsxfun(@eq, X(:), 1:max(X));

或作为匿名函数，如果您愿意：

hotone = @(X)bsxfun(@eq, X(:), 1:max(X));

或者，如果您使用的是Octave(或MATLAB版本R2016b及更高版本)，则可以利用自动广播的优势，只需按照@Tasos的建议进行以下操作。

Y = X == 1:max(X);

基准测试

这是表示对不同元素数量的各种答案的业绩快速基准X和不同唯一值的数量X 。

function benchit()

nUnique = round(linspace(10, 1000, 10));

nElements = round(linspace(10, 1000, 12));

times1 = zeros(numel(nUnique), numel(nElements));

times2 = zeros(numel(nUnique), numel(nElements));

times3 = zeros(numel(nUnique), numel(nElements));

times4 = zeros(numel(nUnique), numel(nElements));

times5 = zeros(numel(nUnique), numel(nElements));

for m = 1:numel(nUnique)

for n = 1:numel(nElements)

X = randi(nUnique(m), nElements(n), 1);

times1(m,n) = timeit(@()bsxfunApproach(X));

X = randi(nUnique(m), nElements(n), 1);

times2(m,n) = timeit(@()eyeApproach(X));

X = randi(nUnique(m), nElements(n), 1);

times3(m,n) = timeit(@()sub2indApproach(X));

X = randi(nUnique(m), nElements(n), 1);

times4(m,n) = timeit(@()sparseApproach(X));

X = randi(nUnique(m), nElements(n), 1);

times5(m,n) = timeit(@()sparseFullApproach(X));

end

end

colors = get(0, 'defaultaxescolororder');

figure;

surf(nElements, nUnique, times1 * 1000, 'FaceColor', colors(1,:), 'FaceAlpha', 0.5);

hold on

surf(nElements, nUnique, times2 * 1000, 'FaceColor', colors(2,:), 'FaceAlpha', 0.5);

surf(nElements, nUnique, times3 * 1000, 'FaceColor', colors(3,:), 'FaceAlpha', 0.5);

surf(nElements, nUnique, times4 * 1000, 'FaceColor', colors(4,:), 'FaceAlpha', 0.5);

surf(nElements, nUnique, times5 * 1000, 'FaceColor', colors(5,:), 'FaceAlpha', 0.5);

view([46.1000 34.8000])

grid on

xlabel('Elements')

ylabel('Unique Values')

zlabel('Execution Time (ms)')

legend({'bsxfun', 'eye', 'sub2ind', 'sparse', 'full(sparse)'}, 'Location', 'Northwest')

end

function Y = bsxfunApproach(X)

Y = bsxfun(@eq, X(:), 1:max(X));

end

function Y = eyeApproach(X)

tmp = eye(max(X));

Y = tmp(X, :);

end

function Y = sub2indApproach(X)

LinearIndices = sub2ind([length(X),max(X)], [1:length(X)]', X);

Y = zeros(length(X), max(X));

Y(LinearIndices) = 1;

end

function Y = sparseApproach(X)

Y = sparse(1:numel(X), X,1);

end

function Y = sparseFullApproach(X)

Y = full(sparse(1:numel(X), X,1));

end

结果

如果您需要非稀疏输出，则bsxfun性能最佳，但是如果您可以使用sparse矩阵(不转换为完整矩阵)，则这是最快，内存效率最高的选择。